numpy中concatenate、stack、hstack、vstack、dstack区别与联系

总结：

• concatenate、stack、hstack、vstack、dstack都是将多个序列连接起来的方法，只是连接的方法不同；
• concatenate是在存在的维度上连接序列，并且除了操作的维度，其他维度的尺寸要相同；
• stack是在增加的新的维度上连接序列，需要连接的所有序列的所有维度都要相同；
• vstack、hstack相当于stack在axis=0，axis=1的轴上的操作;
• stack、vstack、hstack相当于增加新的维度之后的concatenate。

1、numpy.concatenate((a1, a2, …), axis=0, out=None, dtype=None, casting=“same_kind”）

• Join a sequence of arrays along an existing axis.
  沿某个存在的轴方向连接序列

• 参数：
  a1、a2：需要连接的序列，两个序列除了axis的方向，其他尺寸要相同
  axis：默认是0

• 例1：
  a的size是2x2，b的szie是1x2，在axis=0的轴上连接序列（这个时候，axis=1上的尺寸是相同的），变成3x2；b转置之后，变为2x1，在axis=1上连接序列（这个时候，axis=0上的尺寸是相同的），变成2x3

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6]])
np.concatenate((a, b), axis=0)
array([[1, 2],
       [3, 4],
       [5, 6]])
     
np.concatenate((a, b.T), axis=1)
array([[1, 2, 5],
       [3, 4, 6]])
np.concatenate((a, b), axis=None)
array([1, 2, 3, 4, 5, 6])

2、numpy.stack(arrays, axis=0, out=None)

• Join a sequence of arrays along a new axis.
  在新的axis上连接序列

• 参数解释：
  arrays，需要连接的序列必须有相同的尺寸
  axis， 结果序列中增加的轴，axis=0是第一个维度，axis=-1是最后一个维度

• 例1：
  生成了10个3x4的序列，当在axis=0上连接时，10个序列增加一个维度，变成1x3x4的尺寸，同样的，在axis=1时，增加维度变成3x1x4，在axis=2时，增加维度变成3x4x1。

arrays = [np.random.randn(3, 4) for _ in range(10)]
np.stack(arrays, axis=0).shape
(10, 3, 4)
np.stack(arrays, axis=1).shape
(3, 10, 4)
np.stack(arrays, axis=2).shape
(3, 4, 10)

• 例2：axis=0时，a，b增加一个维度，变成1x3，axis=1时，增加维度变成3x1

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
(3,)
np.stack((a, b))
array([[1, 2, 3],
       [4, 5, 6]])
(2, 3)
np.stack((a, b), axis=-1)
array([[1, 4],
       [2, 5],
       [3, 6]])
(3, 2)

3、numpy.vstack(tup)

• Stack arrays in sequence vertically (row wise).
  除了大小为(N,) 的一维序列需要reshape为(1,N)，其他序列在第二个维度上连接序列，即np.stack(arrays, axis=0)

• 例1：

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
np.vstack((a,b)) 
# np.stack((a,b), xis=0)
array([[1, 2, 3],
       [4, 5, 6]])

a = np.array([[1], [2], [3]])
b = np.array([[4], [5], [6]])
np.vstack((a,b))
array([[1],
       [2],
       [3],
       [4],
       [5],
       [6]])

4、numpy.vstack(tup)

• Stack arrays in sequence horizontally (column wise).
  除了一维数据是在第一个维度，其他序列在第二个轴上连接，即np.stack(arrays, axis=1)

• 例1：

a = np.array((1,2,3))
b = np.array((4,5,6))
# np.stack((a,b), axis=1)
np.hstack((a,b))
array([1, 2, 3, 4, 5, 6])
a = np.array([[1],[2],[3]])
b = np.array([[4],[5],[6]])
np.hstack((a,b))
array([[1, 4],
       [2, 5],
       [3, 6]])

5、numpy.dstack(tup)

• Stack arrays in sequence depth wise (along third axis).
  当遇到大小为(M,N)的 2-D序列时，reshape为(M,N,1)，或者大小为(N,)的1-D序列时，reshape为(1,N,1)，然后在第三维上进行连接，即np.stack(arrays, axis=2)

• 例1：

a = np.array((1,2,3))
b = np.array((2,3,4))
np.dstack((a,b))
array([[[1, 2],
        [2, 3],
        [3, 4]]])
a = np.array([[1],[2],[3]])
b = np.array([[2],[3],[4]])
np.dstack((a,b))
array([[[1, 2]],
       [[2, 3]],
       [[3, 4]]])